이 강좌에 대하여

최근 조회 234,760

학습자 경력 결과

50%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

48%

가 이 강좌를 통해 확실한 경력상 이점을 얻음
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 3개 강좌 중 3번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 19시간 필요
영어
자막: 영어

배울 내용

  • Implement mathematical concepts using real-world data

  • Derive PCA from a projection perspective

  • Understand how orthogonal projections work

  • Master PCA

귀하가 습득할 기술

Dimensionality ReductionPython ProgrammingLinear Algebra

학습자 경력 결과

50%

가 이 강좌를 수료한 후 새로운 커리어를 시작함

48%

가 이 강좌를 통해 확실한 경력상 이점을 얻음
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 3개 강좌 중 3번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 19시간 필요
영어
자막: 영어

제공자:

임페리얼 칼리지 런던 로고

임페리얼 칼리지 런던

강의 계획 - 이 강좌에서 배울 내용

콘텐츠 평가Thumbs Up80%(4,035개의 평가)Info
1

1

완료하는 데 5시간 필요

Statistics of Datasets

완료하는 데 5시간 필요
8개 동영상 (총 27분), 6 개의 읽기 자료, 4 개의 테스트
8개의 동영상
Welcome to module 141
Mean of a dataset4m
Variance of one-dimensional datasets4m
Variance of higher-dimensional datasets5m
Effect on the mean4m
Effect on the (co)variance3m
See you next module!27
6개의 읽기 자료
About Imperial College & the team5m
How to be successful in this course5m
Grading policy5m
Additional readings & helpful references5m
Set up Jupyter notebook environment offline10m
Symmetric, positive definite matrices10m
3개 연습문제
Mean of datasets15m
Variance of 1D datasets15m
Covariance matrix of a two-dimensional dataset15m
2

2

완료하는 데 4시간 필요

Inner Products

완료하는 데 4시간 필요
8개 동영상 (총 36분), 1 개의 읽기 자료, 5 개의 테스트
8개의 동영상
Dot product4m
Inner product: definition5m
Inner product: length of vectors7m
Inner product: distances between vectors3m
Inner product: angles and orthogonality5m
Inner products of functions and random variables (optional)7m
Heading for the next module!35
1개의 읽기 자료
Basis vectors20m
4개 연습문제
Dot product10m
Properties of inner products20m
General inner products: lengths and distances20m
Angles between vectors using a non-standard inner product20m
3

3

완료하는 데 4시간 필요

Orthogonal Projections

완료하는 데 4시간 필요
6개 동영상 (총 25분), 1 개의 읽기 자료, 3 개의 테스트
6개의 동영상
Projection onto 1D subspaces7m
Example: projection onto 1D subspaces3m
Projections onto higher-dimensional subspaces8m
Example: projection onto a 2D subspace3m
This was module 3!32
1개의 읽기 자료
Full derivation of the projection20m
2개 연습문제
Projection onto a 1-dimensional subspace25m
Project 3D data onto a 2D subspace40m
4

4

완료하는 데 5시간 필요

Principal Component Analysis

완료하는 데 5시간 필요
10개 동영상 (총 52분), 5 개의 읽기 자료, 2 개의 테스트
10개의 동영상
Problem setting and PCA objective7m
Finding the coordinates of the projected data5m
Reformulation of the objective10m
Finding the basis vectors that span the principal subspace7m
Steps of PCA4m
PCA in high dimensions5m
Other interpretations of PCA (optional)7m
Summary of this module42
This was the course on PCA56
5개의 읽기 자료
Vector spaces20m
Orthogonal complements10m
Multivariate chain rule10m
Lagrange multipliers10m
Did you like the course? Let us know!10m
1개 연습문제
Chain rule practice20m

검토

MATHEMATICS FOR MACHINE LEARNING: PCA의 최상위 리뷰

모든 리뷰 보기

머신 러닝 수학 특화 과정 정보

For a lot of higher level courses in Machine Learning and Data Science, you find you need to freshen up on the basics in mathematics - stuff you may have studied before in school or university, but which was taught in another context, or not very intuitively, such that you struggle to relate it to how it’s used in Computer Science. This specialization aims to bridge that gap, getting you up to speed in the underlying mathematics, building an intuitive understanding, and relating it to Machine Learning and Data Science. In the first course on Linear Algebra we look at what linear algebra is and how it relates to data. Then we look through what vectors and matrices are and how to work with them. The second course, Multivariate Calculus, builds on this to look at how to optimize fitting functions to get good fits to data. It starts from introductory calculus and then uses the matrices and vectors from the first course to look at data fitting. The third course, Dimensionality Reduction with Principal Component Analysis, uses the mathematics from the first two courses to compress high-dimensional data. This course is of intermediate difficulty and will require Python and numpy knowledge. At the end of this specialization you will have gained the prerequisite mathematical knowledge to continue your journey and take more advanced courses in machine learning....
머신 러닝 수학

자주 묻는 질문

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • 강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.

  • 구독하는 경우, 취소해도 요금이 청구되지 않는 7일간의 무료 평가판을 이용할 수 있습니다. 해당 기간이 지난 후에는 환불이 되지 않지만, 언제든 구독을 취소할 수 있습니다. 전체 환불 정책 보기.

  • 예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.

  • You will need good python knowledge to get through the course.

  • This course is significantly harder and different in style: it uses more abstract concepts and requires much more programming experience than the other two courses. Therefore, when you complete the full specialization, you will be equipped with a much more diverse set of skills.

  • 이 강좌는 대학 학점을 제공하지 않지만, 일부 대학에서 선택적으로 강좌 수료증을 학점으로 인정할 수도 있습니다. 자세한 내용은 해당 기관에 문의하세요. Coursera의 온라인 학위Mastertrack™ 수료증은 대학 학점을 취득할 기회를 제공합니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.